基于微信公众平台的数据挖掘与可视化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-11页 |
| 1.2.1 社交网络的数据挖掘 | 第10页 |
| 1.2.2 推荐算法的研究现状 | 第10-11页 |
| 1.2.3 社交网络可视化研究现状 | 第11页 |
| 1.3 课题的主要研究内容 | 第11-13页 |
| 第2章 推荐系统相关理论和技术研究 | 第13-17页 |
| 2.1 python语言与爬虫技术 | 第13-14页 |
| 2.2 PHP技术 | 第14页 |
| 2.3 MySQL数据库技术 | 第14-15页 |
| 2.4 可视化技术D3.js | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第3章 微信公众平台的数据获取及其可视化研究 | 第17-31页 |
| 3.1 微信爬虫的总体思想 | 第17-18页 |
| 3.2 微信爬虫的实际实现 | 第18-19页 |
| 3.2.1 实际操作过程中面临的问题 | 第18页 |
| 3.2.2 实际问题的解决方法 | 第18-19页 |
| 3.3 微信爬虫系统的架构设计 | 第19-23页 |
| 3.3.1 A组件的功能及工作原理 | 第20-21页 |
| 3.3.2 B组件的工作原理 | 第21-23页 |
| 3.4 微信爬虫系统的一些细节 | 第23-25页 |
| 3.5 存储模块的设计和实现 | 第25-27页 |
| 3.5.1 存储模块数据表设计 | 第25页 |
| 3.5.2 数据表结构 | 第25-27页 |
| 3.6 可视化研究 | 第27-30页 |
| 3.6.1 可视化工具的系统架构 | 第27-28页 |
| 3.6.2 可视化工具的实现 | 第28页 |
| 3.6.3 文章入库数量可视化 | 第28-29页 |
| 3.6.4 各被推荐文章的阅读数和点赞数可视化 | 第29-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第4章 面向新文章的推荐算法研究 | 第31-39页 |
| 4.1 TNAPR的总体框架 | 第31-32页 |
| 4.2 推断影响因子的实际意义 | 第32-35页 |
| 4.2.1 文章爆点斜率 | 第32-33页 |
| 4.2.2 作者影响力 | 第33页 |
| 4.2.3 作者热文率 | 第33-35页 |
| 4.3 实时个性化的新文章推荐 | 第35-38页 |
| 4.3.1 预测分数函数top-n的性质 | 第35-36页 |
| 4.3.2 推荐符合用户兴趣取向的新文章 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 实验与评估 | 第39-45页 |
| 5.1 仿真实验环境设置 | 第39页 |
| 5.2 测试数据获取 | 第39页 |
| 5.3 实验结果 | 第39-43页 |
| 5.4 预测准确度评估 | 第43页 |
| 5.5 冷启动问题 | 第43-44页 |
| 5.6 本章小结 | 第44-45页 |
| 第6章 结论与展望 | 第45-47页 |
| 6.1 结论 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-53页 |
| 附录一：微信爬虫系统各部件的配置 | 第50页 |
| 附录二：数据库的基本操作方法 | 第50-51页 |
| 附录三：可视化部分代码 | 第51-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
